[发明专利]一种对象推荐方法、装置及存储介质

权利要求书

1.一种对象推荐方法，其特征在于，所述方法包括：

获取用户访问序列，所述用户访问序列是基于用户访问应用平台输出的对象生成的；

将所述用户访问序列输入推荐对象预测模型进行编码计算，得到所述用户访问对象的编码向量，所述推荐对象预测模型是基于循环神经网络，对多个样本用户对应的用户访问序列训练得到；

对所述编码向量与各候选词向量进行相似度计算，所述候选词向量对应候选集合中的候选对象或候选关键词；

获取相似度最高的第一数量个候选词向量对应的候选关键词；

由获取的第一数量个候选关键词，构成候选关键词簇；

利用所述候选关键词簇包含的一候选关键词，与所述推荐对象预测模型中上一时刻隐藏层输出作为所述推荐对象预测模型中当前时刻隐藏层输入，继续进行编码计算；

将得到的新的编码向量作为用户访问对象的编码向量，执行所述对所述编码向量与各候选词向量进行相似性计算步骤，直至相似度计算次数达到第二数量，或构成的候选关键词簇满足预设条件；

利用构成的第二数量个候选关键词簇中同一维度候选关键词，生成第一数量个候选关键词序列；

基于所述第一数量个候选关键词序列包含的候选关键词，得到所述用户的推荐对象。

2.根据权利要求1所述的方法，其特征在于，所述循环神经网络包括有多个门控循环单元层，或多个长短期记忆网络层。

3.根据权利要求1或2所述的方法，其特征在于，所述用户访问序列为访问对象序列，所述获取用户访问序列包括：

获取用户的多条历史访问数据，所述历史访问数据是基于用户对应用平台输出对象的访问操作产生的；

由所述多条历史访问数据分别包含的对象标识，构成访问对象序列。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

获取多个候选访问对象；

将各候选访问对象输入语言模型，得到相应的候选词向量。

5.根据权利要求1或2所述的方法，其特征在于，所述用户访问序列为关键词序列，所述获取用户访问序列，包括：

获取用户的多条历史访问数据；

利用各历史访问数据，得到相应访问对象对应的关键词簇；

由各访问对象对应的关键词簇，构成关键词序列。

6.根据权利要求5所述的方法，其特征在于，所述方法还包括：

获取多个候选关键词；

将所述多个候选关键词分别输入语言模型，得到相应的候选词向量。

7.根据权利要求1所述的方法，其特征在于，所述基于所述第一数量个候选关键词序列包含的候选关键词，得到所述用户的推荐对象，包括：

获取已构建的关键词映射到对象的倒排索引；

查询所述倒排索引，得到各候选关键词序列中的每一个候选关键词的倒排列表，所述倒排列表用于表征该候选关键词映射到的至少一个候选推荐对象；

基于得到的各候选关键词的倒排列表，统计各候选关键词序列中的各候选推荐对象被映射的次数；

基于统计结果，从获取的多个候选推荐对象中，筛选所述用户的推荐对象，其中，被映射次数越多的候选推荐对象被筛选为推荐对象的概率越大。

8.根据权利要求1所述的方法，其特征在于，所述基于所述第一数量个候选关键词序列包含的候选关键词，得到所述用户的推荐对象，包括：

按照各候选关键词序列中各候选关键词的词序，对所述第一数量个候选关键词序列包含的候选关键词进行拼接；

获取多个候选访问对象分别对应的关键词序列，所述候选访问对象至少包含任一候选关键词序列中的一候选关键词；

对拼接得到的候选关键词序列与各候选访问对象对应的关键词序列进行文本相似度计算；

基于文本相似度计算结果，从所述多个候选访问对象中，筛选所述用户的推荐对象，其中，所述相似度越高的候选访问对象被筛选为推荐对象的概率越大。